【技术实现步骤摘要】
本专利技术属于航迹跟踪，具体涉及一种基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法。
技术介绍
1、无人机作为引领低空经济发展的主体，在民用领域中得到了广泛的应用。在诸如工业巡检、物资运送等场景中，无人机通过应用自主飞行技术，可沿预先规划好的路径执行飞行任务；与此同时，保障对实时飞行无人机的持续监控对空域安全与地面安全至关重要，传统的监测手段如雷达、卫星通信以及地面移动网络存在诸多限制因素，包括成本、延迟地形条件等，给实时无人机飞行态势监测带来挑战。
2、为解决上述难题，具有低时延、低成本、易部署等突出优点的ads-b是可选的技术手段。但ads-b通常应用于民航领域，与民航客机相比，无人机体积小且机动性高，因此对于定位误差精度要求更高。
技术实现思路
1、本专利技术的目的在于克服现有技术中的不足，提供一种基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法，跟踪的精度更高。
2、本专利技术提供了如下的技术方案：
3、提供了一种基于交互式多模型卡尔曼滤波的无人机...
【技术保护点】
1.一种基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法，其特征在于，包括：
2.根据权利要求1所述的基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法，其特征在于，所述构建无人机恒定速度模型以及无人机恒定急加速度模型时，
3.根据权利要求2所述的基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法，其特征在于，所述当前时间窗的恒定速度过程噪声协方差、所述当前时间窗的恒定急加速度过程噪声协方差和所述观测噪声协方差矩阵，均通过循环神经网络结构进行特征提取后生成。
4.根据权利要求1所述的基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法，其特征在于，...
【技术特征摘要】
1.一种基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法，其特征在于，包括：
2.根据权利要求1所述的基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法，其特征在于，所述构建无人机恒定速度模型以及无人机恒定急加速度模型时，
3.根据权利要求2所述的基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法，其特征在于，所述当前时间窗的恒定速度过程噪声协方差、所述当前时间窗的恒定急加速度过程噪声协方差和所述观测噪声协方差矩阵，均通过循环神经网络结构进行特征提取后生成。
4.根据权利要求1所述的基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法，其特征在于，所述构建无人机恒定速度模型以及无人机恒定急加速度模型中，
5.根据权利要求4所述的基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法，其特征在于，所述构建无人机恒定速度模型中，所述k时刻处于恒定速度的状态转移向量为：
6.根据权利要求4所述的基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法，其特征在于，所述构建无人机恒定急加速度模型中，所述k时刻处于恒定急加速度的状态转移向量为：
7.根据权利要求1所述的基于交互式多模型卡尔曼滤波的无人机航迹跟踪方法，其特征在于，所述根据第一观测状态向量、第二观测状态向量和观测噪声矩阵，使用两个卡...
【专利技术属性】
技术研发人员：吴启晖，朱奕安，贾子晔，董超，张磊，郝永刚，胡慧玲，蔡琪，王斌，姚渊，陈强超，胡珈玮，张唯一，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。